核心机制
Humor 是一套用户驱动的幽默学习系统，而非预设笑话库。其核心设计遵循「观察优先、试探渐进、信号校准」的闭环逻辑。
工作流程：
1. 观察期 — 静默检测用户自身使用的幽默风格（反讽、夸张、双关等）
2. 试探期 — 每次会话仅一次微妙尝试（默认干 wit），根据反馈决定是否推进
3. 校准期 — 追踪「落地/冷场」信号，自动写入用户画像的 Works/Fails 分区
4. 适配期 — 构建该用户专属的类型偏好、强度阈值、场景许可矩阵
安全设计亮点：
- 零默认幽默：无数据时保持克制，避免 AI 常见的「过度热情」
- 场景熔断：检测到压力、任务专注、正式场合时自动归零
- 失败不解释：冷场后「Anyway—」式无痕切换，不强化尴尬
- 数据隔离：用户画像本地存储（
~/humor/），支持 30 条滚动历史
潜在局限：
- 冷启动期较长（需多次交互才能建立 profile）
- 依赖用户对「幽默信号」的明确反馈（emoji、关键词）
- 未涉及跨文化幽默禁忌的硬编码（仅靠失败日志学习）
- 多用户场景下需严格 session 隔离
适合人群：追求「被理解感」而非「被逗笑」的长期用户；反感 AI 强行俏皮、偏好克制互动风格的用户；愿意参与「共同训练」AI 的协作者。
风险提示：幽默本身具有冒犯性，系统虽通过「渐进试探」降低风险，但首次冷场可能造成用户体验折损；profile 数据若未加密存储存在隐私泄露隐患。